Kitalu chenye miti 50,000 kilikuwa kinatumia siku tatu kuzihesabu. Timu zilitembea safu na bodi, walipoteza nafasi yao katika joto la alasiri, na kuanza upya. Sasa inachukua ndege moja ya droni na modeli ya AI inayoweka ramani ya kila mti kutoka juu.
Kuhesabu miti na mimea ni mojawapo ya kazi zinazochukua muda mrefu zaidi katika vitalu, bustani, na miradi ya upandaji miti upya. Makampuni ya bima yanataka nambari sahihi. Wanunuzi wanahitaji kiasi cha mzigo kuthibitishwa. Wasimamizi wanahitaji kujua ni nini kilichonusurika baridi. Kuhesabu kwa mkono katika kiwango hiki ni polepole, si thabiti, na ghali. Uhesabuji wa angani unaotumia AI unatoa njia ya haraka zaidi kwa majibu yale yale.
Kwa nini hesabu sahihi za miti ni muhimu
Kuhesabu miti si usimamizi wa bidhaa tu. Inaendesha maamuzi ya kifedha halisi.
Vitalu vinauza miti kwa hesabu sahihi. Agizo la miche 10,000 linahitaji kutimizwa kwa usahihi, na kitalu kinahitaji kujua kama kina 10,000 au 9,400 kabla ya kutoa ahadi. Madai ya bima baada ya dhoruba au magonjwa yanahitaji hesabu zilizorekodiwa kuthibitisha hasara. Wasimamizi wa bustani wanakadiria mavuno kulingana na hesabu za miti, na kosa la 5% katika hesabu ya miti linatafsiri moja kwa moja kuwa kosa la 5% katika kupanga mavuno.
Kwa miradi ya upandaji miti upya, kuhesabu miti iliyopandwa kunathibitisha ufuataji wa kanuni za mazingira na ahadi za mikopo ya kaboni. Hesabu hizi mara nyingi zinahitaji kufunika mamia ya hekta za ardhi isiyo sawa ambapo kutembea kila safu hakuwezekani.
Jinsi uhesabuji wa angani wa AI unavyofanya kazi
Mchakato una hatua tatu: ruka, piga, na hesabu.
Droni iliyowekwa kamera ya RGB inaruka mfumo wa gridi juu ya eneo lengwa kwa urefu wa mita 30 hadi 80, kulingana na ukubwa na msongamano wa miti. Ndege inapiga picha zinazoingiliana zinazofunika kila sehemu ya shamba. Kwa kitalu cha hekta 10, ndege inachukua dakika 15 hadi 30.
Picha zinapakiwa kwenye modeli ya AI iliyofunzwa kutambua miti kutoka angani. Modeli inachunguza kila picha, inatambua taji au mashina ya miti binafsi, na kuyaweka alama kwa vitone vya utambuzi. Picha zinazoingiliana zinaunganishwa ili kila mti uhesabiwe mara moja, si kurudiwa kwenye fremu.
Matokeo ni jumla ya hesabu pamoja na ramani ya kijografia inayoonyesha eneo halisi la kila mti uliotambuliwa. Wasimamizi wa vitalu wanaweza kukuza, kuthibitisha utambuzi, na kuona mapengo ambapo miti inakosekana au imekufa.
Vipimo vya usahihi
Usahihi unategemea msongamano wa taji, ubora wa picha, na nafasi ya miti. Nambari kutoka tafiti za hivi karibuni zinatia moyo.
Usahihi wa 93 hadi 95% katika hali ya taji nene. Inapunguza juhudi za mkono kwa zaidi ya 70% na kuchakata picha kwa kasi mara 5 zaidi kuliko njia za jadi.
Mfumo wa kuhesabu wa UAS unaofanya kazi wakati wa ndege ulifikia alama ya F1 ya 99.09%, ukitambua miti kwa usahihi wakati wa ndege na matokeo yakipatikana sekunde baada ya kuondoka.
Usahihi wa 95% kwa utambuzi wa mashina ya miti na usahihi wa wastani wa 0.977, na uboreshaji wa kasi wa 515% kuliko njia za mkono.
Mfumo ni thabiti: miti iliyopangwa vizuri katika safu sawa inatoa usahihi wa 95%+. Taji nene zinazoingiliana zinapunguza usahihi hadi asilimia 90 za chini kwa sababu modeli inashindwa kutenganisha taji za kibinafsi zinazounganika kwa kuona kutoka juu.
Mbinu bora za picha za angani za miti
- Ruka kwa urefu wa mita 40 hadi 60 kwa usawa bora wa ufunikaji na ubora
- Tumia kuingiliana kwa picha kwa 70 hadi 80% kuhakikisha ufunikaji kamili na uunganishaji sahihi
- Ruka katika hali ya adhuhuri au mawingu kupunguza vivuli vinavyochanganya utambuzi wa taji
- Epuka siku zenye upepo wakati matawi yanayumba na kufifia picha
- Kwa taji nene, ruka chini zaidi kuongeza ubora kwa kila mti
- Piga picha kwa urefu thabiti kuweka kipimo sawa katika seti yote ya data
Zaidi ya kuhesabu: AI ya angani inaonyesha nini kingine
Kuhesabu miti kutoka picha za droni kunatoa matokeo ya ziada muhimu: ramani ya mapengo. Miti inayokosekana, miti iliyokufa, na maeneo yenye ukuaji duni yanaonekana kama mashimo katika mfumo wa utambuzi. Wasimamizi wa vitalu wanatumia ramani hizi za mapengo kupanga upandaji upya, kupanga marekebisho ya umwagiliaji, na kutambua milipuko ya wadudu au magonjwa kabla hayajasambaa.
Mifumo mingine inachanganya kuhesabu na uainishaji wa afya, ikitumia picha za multispectral kuashiria miti inayoonyesha dalili za msongo. Ndege moja ya droni inaweza kutoa hesabu ya bidhaa, tathmini ya afya, na uchambuzi wa mapengo, kazi tatu ambazo zingehitaji juhudi tofauti za mkono ardhini.
Mapungufu ya kujua
- Taji nene zinazoingiliana zinapunguza usahihi kwa sababu miti binafsi inaunganika kwa kuona kutoka juu. Spishi za majani yanayodondoka zenye majani kamili ni ngumu zaidi kutenganisha kuliko miti ya matawi tupu ya baridi.
- Miche michanga sana chini ya sentimita 30 inaweza kuwa ndogo sana kutambuliwa kwa uhakika kutoka urefu wa kawaida wa droni. Ndege za chini zinasaidia lakini zinapunguza ufunikaji.
- Upandaji wa spishi mchanganyiko ambapo ukubwa tofauti wa miti unaingiliana unaweza kuchanganya modeli zilizofunzwa kwenye safu sawa.
- Vikwazo vya udhibiti vya ndege za droni karibu na viwanja vya ndege, maeneo ya miji, au anga iliyolindwa vinaweza kupunguza mahali unavyoweza kuruka.
Hitimisho
Uhesabuji wa miti kwa AI unaotumia droni unabadilisha kazi ya siku nyingi ya mkono kuwa ndege moja. Usahihi ni wa kutosha kwa madai ya bima, maagizo ya mauzo, na ufuataji wa udhibiti, na unaboreshwa kwa kila kizazi kipya cha modeli.
Ikiwa operesheni yako inahesabu miti kwa kutembea safu na bodi, jaribu kurukisha droni juu ya eneo hilo hilo. Hesabu itakuwa kwenye skrini yako kabla droni haijatuaa, na ramani itakuonyesha mambo ambayo matembezi ya ardhini hayangekuonyesha kamwe.